Intelligente Skalierung

Bei der intelligenten Skalierung wird maschinelles Lernen verwendet, um Vorhersagen auf der Basis von Langzeitworkloadmustern bereitzustellen. Durch Analyse der Daten auf der Seite Verwalten > Workloadmuster erfahren Sie, wie Sie die Nutzung Ihrer Systemressourcen optimieren können.

Sie können weitere Informationen zu den folgenden Systemressourcen abrufen:

  • Langzeitdaten und vorhergesagte NZP (Netezza -Leistungsmetrik)
  • Historisches oder vorgeschlagenes Konturprofil
  • Verlässlichkeitsscore

Seed-Modelle

Seedmodelle sind vorab trainierte Modelle, die in Ihren temporären Arbeitsbereich hochgeladen werden. Eine Vorhersage-API verwendet diese Modelle für die Dauer einer Trainingskarenzzeit (7 Tage oder länger) nach der Bereitstellung des Systems ab Tag 1. In dieser Phase ist der Konfidenzscore niedrig, da die Modelle Ihre Workloads noch nicht widerspiegeln.

Nach Ablauf der Trainingskarenzzeit wird das Modell mit den Datasets, die aus den erfassten Workloaddaten generiert wurden, erneut trainiert. Die Vorhersage-API führt Inferenz basierend auf den vorab trainierten Modellen aus. Anschließend wird der Verlässlichkeitsscore basierend auf der Genauigkeit der Vorhersage aktualisiert und der Systemscheduler löst die Trainingsmodellaufgabe täglich für 2 Wochen und anschließend wöchentlich aus.

Diagrammelemente

Leistungsmerkmal

Verwenden Sie die Dropdown-Liste Leistungseigenschaft , um zwischen verschiedenen Diagrammen zu navigieren. Das Standarddiagramm Workload Utilization (Workloadauslastung) visualisiert mehrere Datenpunkte, die sich auf Ihre Systemressourcen beziehen.

Wenn Sie das Diagramm insgesamt betrachten, verwenden Sie die Legende, um das Konturprofil zu identifizieren.

Zeitintervall

Verwenden Sie die Dropdown-Liste Zeitintervall , um verschiedene Zeitintervalle auszuwählen.

Standardmäßig bleibt das aktuelle Datum unverändert. Wenn Sie zwischen der Ansicht 'Täglich', 'Wöchentlich' oder 'Monatlich' auswählen, wird das Datum im Zeitverlauf entsprechend aggregiert.

Eine Linie in der Mitte des Diagramms zeigt den Schnitt zwischen historischen und vorhergesagten oder vorgeschlagenen Daten.

Vorhergesagte Daten werden nur angezeigt, wenn das System Protokolldaten seit mindestens 7 Tagen erfasst hat. Bis dahin zeigt das Diagramm einen Datenpunkt für jeden Tag an. Nach 7 Tagen wird eine Vorhersage für weitere zwei Wochen mit Informationen angezeigt.

Historische und vorhergesagte NZP

Die violetten und pinkfarbenen Linien stellen Historical NZP und Predicted NZPdar.

NZP (Netezza Performance Metric) ist eine Kennzahl für die Systemauslastung.
NZP auf hoher Ebene weist auf eine erhöhte Auslastung hin. Ein niedriger NZP-Wert weist auf eine geringere Ressourcennutzung hin.
Die historischen und vorhergesagten NZP-Linien werden auf der Skala links neben dem Diagramm zwischen 0% und 100% gemessen.

Historisches und vorgeschlagenes Konturprofil

Verlaufskonturprofil und Vorgeschlagene Konturprofile werden durch blaue Balken dargestellt.

Die Konturen, die links neben der aktuellen Datumslinie angezeigt werden, sind historische Konturen. Sie stellen die Profile dar, die für jedes Zeitintervall verwendet werden.
Die Balken, die auf der rechten Seite der aktuellen Datumszeile angezeigt werden, sind empfohlene Konturen für jedes Zeitintervall.

Konturprofile werden basierend auf dem vorhergesagten NZP in diesem Zeitintervall vorgeschlagen. Wenn NZP 80% überschreitet, wird empfohlen, das Konturprofil auf die nächstgelegene Kontur zu skalieren, um die Rechenleistung zu erhöhen und die Leistung für Zeiträume mit hoher Auslastung zu verbessern. Wenn der Algorithmus NZP bei oder unter 20% für ein Zeitintervall vorhersagt, schlägt das Diagramm vor, auf ein niedrigeres Profil zu skalieren.

Verlässlichkeitsscore

Die Konfidenzbewertung spiegelt die Genauigkeit der Vorhersagen wider, die basierend auf den Langzeitworkloadmustern Ihres Systems bereitgestellt werden. Durch die Analyse des Verlässlichkeitsscores können Sie auswählen, wie Ihre Systemressourcen verwendet werden sollen.

Beispiel für intelligente Skalierung

  1. Melden Sie sich bei der Webkonsole an.

  2. Rufen Sie Verwaltung > Workloadmusterauf.

  3. Sehen Sie sich das Diagramm zur Nutzung der intelligenten Skalierung an.
    In diesem Beispiel möchten Sie als Datenbankadministrator ein besseres Verständnis Ihrer Systemauslastung im Zeitverlauf erhalten.

    In diesem Szenario stellt sich heraus, dass Ihre Systemauslastung jeden Sonntag im Vergleich zu anderen Wochentagen unterdurchschnittlich ist. Auf der Basis dieser Informationen können Sie Ihren Skalierungszeitplan aktualisieren, um die erwarteten Lastspitzen und Einbrüche in Workloads abzugleichen.

  4. Konfigurieren Sie den Scheduler so, dass für die Instanz für jeden Sonntag ein Scale-down durchgeführt wird (siehe Geplante Skalierung bearbeiten).

  5. Konfigurieren Sie den Scheduler so, dass ab Montag ein Scale-up durchgeführt wird, wie unter Geplante Skalierung bearbeitenbeschrieben.

In der Folge sehen Sie in Zukunft eine Leistungsverbesserung und Reduzierung von Ressourcenverschwendung und -kosten.